- 1、准确率
计算损失,希望ys每个数组是一维数组。
原理 : 比较多组样本中输出的结果最大值所在位置和真实值的最大值所在位置。
API:np.argmax(a, axis=None, out=None)
函数参数:返回axis维度的最大值的索引
a :输入一个array类型的数组。
axis:参数为None时默认比较整个数组,参数为0按列比较,参数为1按行比较。
使用方式:
x=np.array(train_in).astype(np.float32)
y=np.array(train_out).astype(np.float32)
xs = tf.placeholder(tf.float32, [None,16])
ys = tf.placeholder(tf.float32, [None,8])
pre = tf.matmul(h_fc1_drop, W_fc2) + b_fc2
prediction = tf.nn.softmax(pre)
equal_list=tf.equal(tf.argmax(y,1),tf.argmax (y_label,1))
accuracy= tf.reduce_ mean(tf.cast(equal_list, tf float32)
- 2、损失函数
计算准确率,希望ys每个数组是二维数组。
cross = tf.reduce_mean(tf.nn.softmax_cross_entropy_ with_ logits(labels = ys,logits = y_predict))
optimizer = tf.train.GradientDescentOptimizer(1e-4).minimize(cross_entropy)